【技术实现步骤摘要】
本专利技术涉及设备表面缺陷检测，尤其涉及一种缺陷检测方法、装置、电子设备及存储介质。
技术介绍
1、在工业生产过程中，大型生产加工设备随着时间推移，由于磨损、老化、腐蚀等原因，安全风险系数越来越高。设备使用手册所设定的寿命并不能准确反映设备实际状况，而仅凭人力进行定期质量检验监督费时费力且容易忽略一些程度较轻的非标问题。
2、现有技术条件下，基于机器视觉和人工智能技术的大型工业设备表面缺陷检测任务存在以下问题：样本稀缺，同类设备少，难以收集足够量的缺陷图片训练模型；缺陷图片前景、背景区分不明显，背景多样化导致缺陷特征提取困难；普通的“框选式”目标检测模型无法提取缺陷边缘特征，导致检测结果准确率低。
技术实现思路
1、本专利技术提供了一种缺陷检测方法、装置、电子设备及存储介质，旨在重训练获取工业设备的缺陷边缘特征，提高检测结果的准确性，及时发现设备的潜在隐患，提升设备工作的安全性。
2、根据本专利技术的一方面，提供了一种缺陷检测方法，该方法包括：
3、获取缺陷测试图片；
4、将缺陷测试图片输入至预先训练的目标缺陷检测模型，确定缺陷测试结果；其中，目标缺陷检测模型是基于分割模型和二分类分割模型构建、并以优化规则为指标训练确定的模型。
5、可选的，训练目标缺陷检测模型的方法，包括：获取工业设备的表面缺陷样本图像和视觉分割数据图像；根据表面缺陷样本图像，对分割模型和二分类分割模型进行知识蒸馏，得到表面缺陷检测模型；根据表面缺陷样本
6、可选的，根据表面缺陷样本图像和视觉分割数据图像，对分割模型和二分类分割模型进行知识蒸馏，得到表面缺陷检测模型，包括：将表面缺陷样本图片和视觉分割数据图像输入分割模型进行知识蒸馏，确定第一样本图片掩膜和第一数据图像掩膜，并将表面缺陷样本图片和视觉分割数据图像输入二分类分割模型进行训练，确定第二样本图片掩膜和第二数据图像掩膜；根据第一数据图像掩膜和第二数据图像掩膜确定第一目标，并根据第一样本图片掩膜和第二样本图片掩膜确定第二目标；根据第一目标和第二目标确定损失函数值；确定损失函数值是否小于或者等于预设函数值；若损失函数值大于预设函数值，则返回执行将表面缺陷样本图片和视觉分割数据图像输入分割模型进行知识蒸馏，确定第一样本图片掩膜和第一数据图像掩膜，并将表面缺陷样本图片和视觉分割数据图像输入二分类分割模型进行训练，确定第二样本图片掩膜和第二数据图像掩膜的步骤；若损失函数值小于或者等于预设函数值，则确定当前的二分类分割模型为表面缺陷检测模型。
7、可选的，根据第一数据图像掩膜和第二数据图像掩膜确定第一目标，包括：确定表面缺陷样本图片的像素点数，并确定像素点数对应的第一数据图像掩膜的第一像素坐标和像素点数对应的第二数据图像掩膜的第二像素坐标；根据像素点数、第一像素坐标和第二像素坐标确定第一目标。
8、可选的，根据第一样本图片掩膜和第二样本图片掩膜确定第二目标，包括：确定表面缺陷样本图片的像素点数，并确定像素点数对应的第一样本图片掩膜的第三像素坐标和像素点数对应的第二样本图片掩膜的第四像素坐标；根据像素点数、第三像素坐标和第四像素坐标确定第二目标。
9、可选的，根据第一目标和第二目标确定损失函数值，包括：确定损失权重；根据损失权重、第一目标和第二目标确定损失函数值。
10、可选的，根据表面缺陷样本图像，以优化规则为指标对表面缺陷检测模型进行训练，确定目标缺陷检测模型，包括：获取表面缺陷检测模型的主架构模型；根据主架构模型、分类输出层和网络模型确定分类模型；将表面缺陷样本图片输入分类模型确定缺陷类别标签；保持表面缺陷检测模型的底层参数不变，并将表面缺陷样本图片和缺陷类别标签输入表面缺陷检测模型进行重训练，确定目标缺陷检测模型。
11、根据本专利技术的另一方面，提供了一种缺陷检测装置，该装置包括：
12、图片获取模块，用于获取缺陷测试图片；
13、结果确定模块，用于将缺陷测试图片输入至预先训练的目标缺陷检测模型，确定缺陷测试结果；其中，目标缺陷检测模型是基于分割模型和二分类分割模型构建、并以优化规则为指标训练确定的模型。
14、根据本专利技术的另一方面，提供了一种电子设备，该电子设备包括：
15、至少一个处理器；以及与至少一个处理器通信连接的存储器；
16、其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本专利技术任一实施例的缺陷检测方法。
17、根据本专利技术的另一方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本专利技术任一实施例的缺陷检测方法。
18、本专利技术的技术方案，通过获取缺陷测试图片；将缺陷测试图片输入至预先训练的目标缺陷检测模型，确定缺陷测试结果；其中，目标缺陷检测模型是基于分割模型和二分类分割模型构建、并以优化规则为指标训练确定的模型。本专利技术的技术方案，基于分割模型和二分类分割模型构建、并以优化规则为指标训练确定的目标缺陷检测模型，然后获取缺陷测试图片；将缺陷测试图片输入至预先训练的目标缺陷检测模型，确定缺陷测试结果，旨在重训练获取工业设备的缺陷边缘特征，提高检测结果的准确性，及时发现设备的潜在隐患，提升设备工作的安全性。
19、应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种缺陷检测方法，其特征在于，该方法包括：
2.根据权利要求1所述的缺陷检测方法，其特征在于，训练所述目标缺陷检测模型的方法，包括：
3.根据权利要求2所述的缺陷检测方法，其特征在于，所述根据所述表面缺陷样本图像和所述视觉分割数据图像，对所述分割模型和所述二分类分割模型进行知识蒸馏，得到表面缺陷检测模型，包括：
4.根据权利要求3所述的缺陷检测方法，其特征在于，所述根据所述第一数据图像掩膜和所述第二数据图像掩膜确定第一目标，包括：
5.根据权利要求3所述的缺陷检测方法，其特征在于，所述根据所述第一样本图片掩膜和所述第二样本图片掩膜确定第二目标，包括：
6.根据权利要求3所述的缺陷检测方法，其特征在于，所述根据所述第一目标和所述第二目标确定损失函数值，包括：
7.根据权利要求2所述的缺陷检测方法，其特征在于，所述根据所述表面缺陷样本图像，以所述优化规则为指标对所述表面缺陷检测模型进行训练，确定所述目标缺陷检测模型，包括：
8.一种缺陷检测装置，其特征在于，该装置包括：
9.一种电子设
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1至7中任一所述的缺陷检测方法。
...【技术特征摘要】
1.一种缺陷检测方法，其特征在于，该方法包括：
2.根据权利要求1所述的缺陷检测方法，其特征在于，训练所述目标缺陷检测模型的方法，包括：
3.根据权利要求2所述的缺陷检测方法，其特征在于，所述根据所述表面缺陷样本图像和所述视觉分割数据图像，对所述分割模型和所述二分类分割模型进行知识蒸馏，得到表面缺陷检测模型，包括：
4.根据权利要求3所述的缺陷检测方法，其特征在于，所述根据所述第一数据图像掩膜和所述第二数据图像掩膜确定第一目标，包括：
5.根据权利要求3所述的缺陷检测方法，其特征在于，所述根据所述第一样本图片掩膜和所述第二样本图片掩膜确定第二目标...
【专利技术属性】
技术研发人员：曲亚平，钟嶒楒，陈洪溪，李泽华，武霖，林润达，樊志强，王俊超，范佳卿，王亚超，叶晶，徐佳敏，张强，陈家颖，张越，
申请(专利权)人：内蒙古霍煤鸿骏铝电有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。